使用 Java 读取和处理带有自定义列和行分隔符的文本文件

Question

我有一个文本文件，其中包含从网页上抓取的内容。文本文件的结构如下：

|NEWTAB|lkfalskdjlskjdflsj|NEWTAB|lkjsldkjslkdjf|NEWTAB|sdlfkjsldkjf|NEWLINE|lksjlkjsdl|NEWTAB|lkjlkjlkj|NEWTAB|sdkjlkjsld

|NEWLINE|表示新行的开始（即数据中的新行） |新标签|表示一行中新字段的开始（即数据中的新列）

我需要将文本文件拆分为字段和行并存储在数组或其他一些数据结构中。 |NEWLINE| 之间的内容字符串可能包含实际的新行（即 \n），但这些并不表示数据中的实际新行。

我首先逐个阅读每个字符，然后查看 8 个连续字符的集合，看看它们是否包含 |NEWTAB|。我的方法被证明是不可靠和丑陋的。我正在寻找这方面的最佳实践。最好的方法是将整个文本文件作为单个字符串读取，然后在“|NEWLINE|”上使用字符串拆分然后使用“|NEWTAB|”对结果字符串进行字符串拆分？

非常感谢！

Answer 1

我认为其他答案也可以，但我的解决方案如下：

FileReader inputStream = null;
StringBuilder builder = new StringBuilder();

try {
    inputStream = new FileReader(args[0]);
    int c;
    char d;

    while ((c = inputStream.read()) != -1) {
        d = (char)c;
        builder.append(d);
    }
} 

finally {
    if (inputStream != null) {
        inputStream.close();
    }
}   

String myString = builder.toString();

String rows[] = myString.split("\\|NEWLINE\\|");

for (String row : rows) {
    String cols[] = row.split("\\|NEWTAB\\|");

    /* do something with cols - e.g., store */
}

Answer 2

你可以这样做：

Scanner scanner = new Scanner(new File("myFile.txt"));

List<List<String>> rows = new ArrayList<List<String>>();
List<String> column = new ArrayList<String>();

while (scanner.hasNext()) {

    for (String elem : scanner.nextLine().split("\\|")) {

    System.out.println(elem);

    if (elem.equals("NEWTAB") || elem.equals(""))
        continue;
    else if (elem.equals("NEWLINE")) {
        rows.add(column);
        column = new ArrayList<String>();
    } else
        column.add(elem);
    }       
}

我花了一些时间来写它，因为我在这台计算机上没有 IntelliJ 或 Eclipse，必须使用 Emacs。

编辑：这比我喜欢的要冗长一些，但它适用于作为文本一部分的|s：

Scanner scanner = new Scanner(new File("myFile.txt"));
List<List<String>> rows = new ArrayList<List<String>>();
List<String> lines = new ArrayList<String>();
String line = "";

while (scanner.hasNext()) {     
    line += scanner.nextLine();
    int index = 0;      
    while ((index = line.indexOf("|NEWLINE|")) >= 0) {
        lines.add(line.substring(0, index));
        line = line.substring(index + 9);       
    }       
}

if (!line.equals(""))
    lines.add(line);

for (String l : lines) {
    List<String> columns = new ArrayList<String>();
    for (String column : l.split("\\|NEWTAB\\|"))
        if (!column.equals(""))
            columns.add(column);
    rows.add(columns);
}